ANTONIO NAIMOLI | Progetti

L⿿obiettivo del progetto di ricerca è l⿿analisi dell⿿influenza dell⿿Economic Policy Uncertainty (EPU) index sulla volatilità dei mercati dei cinquanta stati americani. Tre sono le principali innovazioni di questa ricerca: (i) l⿿EPU, variabile mensile, sarà inserita all⿿interno di un modello GARCH-MIDAS sia considerando una prospettiva locale (state-specific) sia globale; (ii) la volatilità dei mer

L'obiettivo è quello di proporre metodologie alternative per stimare e prevedere i quantili dei rendimenti finanziari giornalieri sulla base dei quantili empirici infragiornalieri ottenuti dai rendimenti ad alta frequenza. Utilizzando fattori di scala basati su funzioni di perdita consistenti, è possibile ottenere misure di tail risk giornaliere, come il Value-at-Risk e l'Expected Shortfall.

Nel presente progetto di ricerca si intende analizzare, dal punto di vista metodologico e computazionale, una classe di modelli spaziotemporali di natura originariamente econometrica e generalmente identificati con l'acronimo SDPD (spatial dynamic spatial model), con l'obiettivo di utilizzarli in un contesto di dati ambientali georeferenziati di notevoli dimensioni. In particolare, lo scopo finale

Aim of this project is i) to propose novel semi-parametric methods for generating multi-step ahead forecasts of tail risk such as Value at Risk (VaR) and Expected Shortfall (ES) ii) investigate their empirical forecasting performance through monte carlo simulations and applications to real financial data

L⿿obiettivo del progetto di ricerca è la creazione di un indicatore testuale giornaliero basato sulla tematica dei fattori Environmental, Social and Governance (ESG) per migliorare le misure di rischio daily come il Value-at-Risk (VaR) e l⿿Expected Shortfall (ES). Oggigiorno, le imprese dedicano sempre più attenzione ai fattori ESG, tramite la pubblicazione del bilancio sociale e dei rates ottenut

L'obiettivo del progetto è quello di analizzare gli effetti del sentimento pubblico sulla previsione della volatilità, del Value-at-Risk (VaR) e dell⿿Expected Shortfall (ES). Partendo dai risultati disponibili in letteratura, si intende proporre approcci alternativi per combinare il contenuto informativo delle misure di volatilità realizzate e degli indici legati all⿿incertezza economica, finanzia

Molti dati possono essere interpretati come dati spaziali: osservazioni che vengono rilevate in luoghi e in tempi diversi, dove lo spazio può essere inteso in senso lato e non solo fisico. Questa tipologia di dati viene analizzata in letteratura mediante i cosiddetti modelli autoregressivi spaziali, basati su una regressione ponderata i cui pesi vengono dati da una matrice di distanze. Molto spess

Scopo di questo progetto è sviluppare nuovi approcci di modellazione semi-parametrica multivariata per la previsione del Value-at-Risk (VaR) e dell'Expected Shortfall (ES) di portafoglio. A differenza degli approcci semi-parametrici univariati esistenti, gli approcci che si intende sviluppare prevedono la modellazione esplicita della struttura di dipendenza tra i rendimenti degli asset di portafog

Il presente progetto intende investigare sulla opportunità di migliorare la performance previsiva dei principali indicatori economici e finanziari attraverso l'utilizzo di informazioni qualitative e quantitative. In tale ambito di analisi si intende proporre nuovi indicatori, basati sull'analisi testuale, volti a valutare l'impatto delle news e delle azioni governative sulle dinamiche economiche e

L'obiettivo del progetto di ricerca è l'estensione dei modelli semi-parametrici per la stima delle misure di rischio come il Value-at-Risk (VaR) e l'Expected Shortfall (ES) attraverso l'inserimento di variabili a frequenza mista, per sfruttare l'eterogeneità di diverse fonti informative, al fine di ottenere stime e previsioni del VaR e dell'ES più accurate. La stima congiunta verrà effettuata tram

The k-means method is often referred to as nonparametric clustering method, based on the nonparametric consistency theorem proved by Pollard (1981). We want to study a similar notion of consistency for clustering methods based on mixtures models of a general class of elliptically symmetric distributions (including popular models such as the Gaussian, Student-t, and Laplace, etc.).

Within the model based clustering methods robustness is generally reached by discarding the set of outlying observations. This approach of course revealed its benefit in terms of robustness but , on the other hand, may provoke a loss of efficiency. In order to increase the efficiency in the parameter estimation, reweighting on the discarded observations can be applied. Nonetheless several open

Sviluppo di metodi di Statistical Learning basati su coefficiente di penalità (Matrix Completion) per dati origine-destinazione, per previsione e imputazione di dati mancanti. Applicazione su matrici Input-Output e su dati di flussi di traffico provenienti da telefonia mobile.Sviluppo di metodi di Screening e Variable Selection basati su approccio marginale, quali la Sure Independence Screening,

Obiettivo del progetto è la derivazione di proprietà asintotiche dei parametri del modello non lineare per serie storiche della classe Self-Exciting Threshold Autoregressive. Diversamente da quanto proposto in letteratura, tali proprietà sono ottenute senza assumere la stazionarietà ed ergodicità del processo generatore. La rimozione di queste assunzioni rende non solo più generale il risultato t

In this project we focus on range-based volatility and, in this context, we propose the use of Extreme Learning Machines (ELMs) to appropriately capture the nonlinear dynamics of these volatility measures.

L'obiettivo del progetto è quello di sviluppare stimatori non parametrici per la funzione di sopravvivenza bivariata in presenza di dati troncati e censurati.Partendo dai risultati disponibili nella letteratura specializzata, si intende proporre un modo alternativo a quelli proposti in letteratura, stimando la funzione di sopravvivenza bivariata come una funzione di sopravvivenza univariata, per